[论文解读] Towards predicting Pedestrian Evacuation Time and Density from Floorplans using a Vision Transformer

Patrick Berggold, Stavros Nousias+2 more|arXiv (Cornell University)|Jun 27, 2023

Evacuation and Crowd Dynamics被引用 4

一句话总结

本文提出了一种基于视觉Transformer的深度学习模型，可直接从平面图预测行人疏散时间和时空密度热力图，绕过传统模拟的性能瓶颈。通过使用传统模拟器生成的参数化数据集管道构建合成数据集，该模型实现了快速、准确的预测，并已集成至BIM工具中，实现实时设计反馈。

ABSTRACT

Conventional pedestrian simulators are inevitable tools in the design process of a building, as they enable project engineers to prevent overcrowding situations and plan escape routes for evacuation. However, simulation runtime and the multiple cumbersome steps in generating simulation results are potential bottlenecks during the building design process. Data-driven approaches have demonstrated their capability to outperform conventional methods in speed while delivering similar or even better results across many disciplines. In this work, we present a deep learning-based approach based on a Vision Transformer to predict density heatmaps over time and total evacuation time from a given floorplan. Specifically, due to limited availability of public datasets, we implement a parametric data generation pipeline including a conventional simulator. This enables us to build a large synthetic dataset that we use to train our architecture. Furthermore, we seamlessly integrate our model into a BIM-authoring tool to generate simulation results instantly and automatically.

研究动机与目标

• 解决传统行人模拟器在建筑设计中计算效率低下和复杂性高的问题。
• 开发一种数据驱动方法，直接从平面图预测疏散时间和密度热力图。
• 通过使用参数化管道生成大规模合成数据集，克服真实世界疏散数据集稀缺的问题。
• 将模型集成至BIM设计工具中，实现在设计过程中实时模拟反馈。
• 证明深度学习方法可在显著降低推理时间的前提下，达到或超越传统模拟器的精度。

提出的方法

• 使用视觉Transformer架构，从平面图图像直接预测时空密度热力图和总疏散时间。
• 通过参数化数据生成管道，利用传统模拟器模拟行人疏散，构建大规模合成数据集。
• 模型在平面图图像及其对应的疏散时间与密度图标注上进行端到端训练。
• 该架构将平面图作为输入token，利用自注意力机制捕捉布局中各区域的空间依赖关系。
• 将模型部署于BIM环境中，实现在设计工作流中即时生成预测结果。
• 损失函数针对疏散时间回归与像素级密度热力图预测进行联合优化。

实验结果

研究问题

• RQ1 视觉Transformer模型是否能在不运行完整模拟的情况下，准确从平面图预测行人疏散时间？
• RQ2 深度学习模型在多大程度上能泛化至预测基于平面图布局的时空行人密度分布？
• RQ3 通过传统模拟器生成的合成数据集在训练通用疏散预测模型方面有多高效？
• RQ4 该模型能否无缝集成至BIM工具中，实现实时设计反馈？
• RQ5 所提出的模型是否在显著降低推理时间的前提下，实现与传统模拟器相当或更优的性能？

主要发现

• 在多种不同的平面图布局配置下，预测疏散时间与真实值之间表现出高度相关性。
• 预测的密度热力图准确反映了模拟中观察到的拥堵模式和疏散动态。
• 模型将推理时间从传统模拟器的数分钟缩短至毫秒级别，实现在设计工作流中的实时反馈。
• 合成数据集生成管道有效捕捉了真实的疏散行为，使模型能泛化至未见过的布局。
• 集成至BIM工具后，可即时生成模拟结果，显著加速设计迭代过程。
• 视觉Transformer在疏散时间预测和密度热力图生成的准确性方面均优于基线模型。